Nyhetsbaserte handelsstrategier Stefan Feuerriegel a, b ,. Helmut Prendinger b. en leder for informasjonssystemforskning, Universitetet i Freiburg, 79098 Freiburg, Tyskland b Nasjonalt institutt for informatikk (NII), 2-1-2 Hitotsubashi, Tokyo 101-8430, Japan Mottatt 2. desember 2015. Endret 29. juni 2016. Godkjent 29. juni 2016. Tilgjengelig elektronisk 4. juli 2016. Høydepunkter Finansielle opplysninger er hovedkilden for beslutningstaking i økonomi. Sentimentanalyse av økonomiske opplysninger kan gi beslutningsstøtte. Vi designer og sammenligner ulike strategier for nyhetshandel. Disse kan overgå våre referanser i form av overskudd, men på bekostning av risiko. Spesielt levedyktige tilnærminger er overvåket og forsterkende læring. Markedets utro ligger i det faktum at spredt informasjon umiddelbart behandles og brukes til å justere prisen på varer, tjenester og eiendeler. Finansmarkedene er spesielt effektive når det gjelder behandling av informasjon. Denne informasjonen er vanligvis innebygd i tekstnyheter som deretter tolkes av investorer. For ganske nylig har forskere begynt å automatisk avgjøre nyhetsfølelse for å forklare aksjekursendringer. Interessant nok fungerer dette såkalte nyhetssentimentet ganske bra for å forklare aksjeavkastning. I dette papiret utformer vi handelsstrategier som benytter tekstnyheter for å oppnå fortjeneste på grunnlag av ny informasjon som kommer inn i markedet. Vi foreslår derfor tilnærminger for automatisert beslutningstaking basert på overvåket og forsterkende læring. Samlet viser vi hvordan nyhetsbaserte data kan innlemmes i et investeringssystem. Beslutningsstøtte Finansielle nyheter Handelsstrategier Tekstmining Sentimentsanalyse Handelsimulering Fig. 1. Fig. 2. Fig. 3. Fig. 4. Fig. 5. Fig. 6. Tabell 3. Fig. 7. Stefan Feuerriegel Stefan Feuerriegel er et innlegg Doktorandforskning ved leder av informasjonssystemforskning ved Universitetet i Freiburg med fokus på tekstutvinning og sentimentanalyse av finansielle nyheter. Tidligere har han fått sin doktorgrad fra samme forskningsinstitusjon. Han har også en Master of Science i simuleringsvitenskap fra RWTH Aachen University. Han har medforfattere forskningspublikasjoner i European Journal of Operational Research, Optimization Engineering, Journal of Decision Systems og Decision Support Systems. Helmut Prendinger Helmut Prendinger er professor ved Institutt for informatikk, Tokyo, hvor han arbeider i Digital Content and Media Sciences Research Division. Han utfører forskning innen 3D Internett, cybersosial simulering, dataanalyser, virtuelle agenter, intelligente multimodale grensesnitt og anerkjennelse fra tekst. Han har publisert mer enn 200 artikler i peer-reviewed tidsskrifter og konferanser. Tilsvarende forfatter. Tlf. 49 761 203 2395 Faks: 49 761 203 2416. 2016 Elsevier B. V. Alle rettigheter reservert. Siterer artikler () Infona portalen bruker informasjonskapsler, dvs. tekststrenger lagret av en nettleser på brukerenheten. Portalen kan få tilgang til disse filene og bruke dem til å huske brukerens data, for eksempel de valgte innstillingene (skjermvisning, grensesnittspråk, etc.), eller deres påloggingsdata. Ved å bruke Infona-portalen aksepterer brukeren automatisk lagring og bruk av denne informasjonen for portaloperasjon. Mer informasjon om emnet finner du i personvernreglene og vilkårene for bruk. Ved å lukke dette vinduet, bekrefter brukeren at de har lest informasjonen om informasjonskapsler, og de godtar personvernreglene og måten cookies brukes av portalen. Du kan endre informasjonskapselinnstillingene i nettleseren din. INFONA - Vitenskapelig kommunikasjonsportal En lavrisiko aksjehandel beslutningsstøtte system Usikkerhet er karakteren av et aksjemarked. Hvordan vurdere usikkerheten, tar nødvendige tiltak for å unngå risiko, og å vinne profitt er kritiske problemer under handelsprosessen i et aksjemarked. Et beslutningsstøttesystem der det kan analysere et selskap fra begge sider av grunnleggende og tekniske forhold, foreslås i denne studien. Beslutningsstøttesystemet består av et sett av regler og strategier som den kan evaluere de globale økonomiske forhold ved å undersøke ulike ledende indikatorer og vurdere økonomiske forhold i et selskap ved å også sjekke ulike økonomiske resultatindikatorer. Det foreslåtte aksjehandelsstøttesystemet kan automatisk hjelpe folk med å bestemme tidspunktet for å handle etter de regler og strategier som er definert og lagret i systemet av profesjonelle eksperter. Identifikatorer Endre skriftstørrelse Du kan justere skriftstørrelsen ved å trykke på en kombinasjon av nøkler: CONTROL øke skriftstørrelsen CONTROL ndash redusere skrift Navigere siden uten mus Du kan endre de aktive elementene på siden (knapper og lenker) ved å trykke en kombinasjon av Nøkler: TAB Gå til neste element SHIFT TAB Gå til forrige element Finansiert av Nasjonalt senter for forskning og utvikling under stipend nr. SPI17706510 av strategisk vitenskapelig forskning og eksperimentelt utviklingsprogram: SYNAT - Tverrfaglig system for interaktiv vitenskapelig og vitenskapelig teknisk Information. Automatic stock beslutningstøtte system basert på boksteori og SVM algoritme Qinghua Wen. , Zehong Yang, Yixu Song, Peifa Jia Statens nøkkellaboratorium for intelligent teknologi og systemer, Tsinghua Nasjonalt laboratorium for informasjonsvitenskap og teknologi, Institutt for datavitenskap og teknologi, Tsinghua University, Beijing 100084, Kina Tilgjengelig online 8. juni 2009Eksjemarkedet vurderes som et høyt komplekst og dynamisk system med støyende, ikke-stationær og kaotisk dataserie. Så det er allment anerkjent at aksjekursmodellering og prognoser er et utfordrende arbeid. En betydelig del av arbeidet har blitt gjort på dette feltet, og i dem har soft computing teknikker vist god ytelse. Vanligvis kan de fleste av disse produktene deles inn i to kategorier. En er å forutsi fremtidig trend eller pris en annen er å konstruere beslutningsstøttesystem som kan gi visse buysell signaler. I dette papiret foreslår vi et nytt intelligent handelssystem basert på forutsigelse av oscillasjonskasse ved å kombinere aksjekasseteori og støttevektormaskinalgoritme. Boxteorien mener at en vellykket aksjekjøpsselling vanligvis oppstår når prisen effektivt bryter ut den opprinnelige oscillasjonskassen i en annen ny boks. I systemet benyttes to SVM estimatorer først for å lage prognoser for øvre bunn og nedre bunn av prisoscillasjonsboksen. Deretter er en handelsstrategi basert på de to bundne prognosene konstruert for å gjøre handelsbeslutninger. I forsøket tester vi systemet på forskjellige lagerbevegelsesmønstre, dvs. tyr, bjørn og fluktuerende marked, og undersøker opplæringen av systemet og valg av tidsperiode for prisboksen. Forsøkene på 442 SampP500-komponenter viser en lovende ytelse oppnås, og systemet overgår dramatisk til buy-and-hold-strategien. Stock data mining Stock trading system Box teori Support vector machine Copyright kopi 2009 Elsevier Ltd. Alle rettigheter reservert. Cookies brukes av dette nettstedet. For mer informasjon, besøk siden Cookies. Opphavsrett 2017 Elsevier B. V. eller dets lisensgivere eller bidragsytere. ScienceDirect er et registrert varemerke for Elsevier B. V.Decision gjøres i børshandel: En søknad om PROMETHEE Hovedspørsmålet for beslutningstaking i aksjehandel er valg av riktig aksje til rett tid. For å kunne velge de overordnede aksjene (alternativer) for investering, må et begrenset antall alternativer vurderes i forhold til flere og noen ganger motstridende kriterier. Derfor står vi overfor et spesielt multikritereringsproblem. Formålet med dette papiret er å utvikle en beslutningsmodell for å velge overlegen aksjer på børsen og en modell er gitt for å strukturere dette problemet. Den foreslåtte modellen er strukturert rundt to pilarer: Industrievaluering og Bedriftsevaluering. Preferansrangeringsorganiseringsmetoden for berikningsevaluering (PROMETHEE) har blitt brukt til å løse problemet. Modellen har blitt brukt på Teherans børs (TSE) som en ekte sak og en undersøkelse fra eksperter for å bestemme effektive kriterier for industrievaluering og bedriftsevaluering har blitt gjennomført. Multicriteria beslutningstaking Industri evaluering Bedriftsvurdering PROMETHEE Teheran Børs (TSE) Tilsvarende forfatter. Tlf. 98 21 44801830. Opphavsretts kopi 2006 Elsevier B. V. Alle rettigheter reservert. Cookies brukes av dette nettstedet. For mer informasjon, besøk siden Cookies. Opphavsrett 2017 Elsevier B. V. eller dets lisensgivere eller bidragsytere. ScienceDirect er et registrert varemerke for Elsevier B. V.
Comments
Post a Comment